Impact of climate and acquired immunity on malaria burden in Senegal and The Gambia: an agent-based modeling study

疟疾是一种对不同人的治疗效果并不完全相同的疾病。当携带寄生虫的蚊子叮咬人类时，结果在很大程度上取决于这个人以前被叮咬过多少次。在人的一生中，反复的暴露让身体学会了如何对抗感染，但这种保护作用建立得很慢，且从未达到完美。一个几乎没有暴露史的年幼儿童，很可能会因为一次叮咬而病倒，而一个在多次疟疾季节中幸存下来的成年人则可能对此不以为意。这种保护作用并非一种固定的特征，而是一段由局部环境塑造的个人历史记录。由于携带疟疾的蚊子需要水来繁殖，一个地区的降雨量决定了蚊子的数量，进而决定了人们被叮咬的频率以及他们建立防御能力的速度。

研究这些疾病的科学家经常使用计算机模型来预测会有多少人患病，并以此规划如何阻止传播。长期以来，这些模型一直依赖于一个简化假设：它们将整个群体视为具有完全相同的平均保护水平。在这种观点下，同一个村庄里的孩子和成年人被赋予了相同的免疫防御力，这个数值是整个社区的中间值。虽然这让数学计算变得更容易，但它忽略了免疫力是一个个人旅程的现实。如果模型对于谁受到保护、谁没有受到保护的判断出现了偏差，那么基于这些模型的计划可能会遗漏那些最需要帮助的人。

一个研究小组着手测试这种常见的简化做法是否会导致对塞内加尔和冈比亚疾病负担理解的显著误差。为此，他们构建了一种新型计算机模拟系统，称为 VECTRI-ABM。与以往将人口视为单一整体的模型不同，这个新框架是一个基于网格的系统，它将气候驱动的媒介成分与人类人口的个体建模（agent-based representation）相结合，在个体层面解析免疫力。该模型利用气候数据追踪蚊子，并根据报告的昆虫叮咬率、疟疾图谱项目（Malaria Atlas Project）的寄生虫率估计值以及来自塞内加尔国家疟疾控制计划的确诊病例进行了评估。研究人员在横跨从干旱萨赫勒地区到较湿润热带地带的广阔区域运行了该模拟，捕捉到了塞内加尔和冈比亚所包含的全范围气候。

团队首先将他们的新模型与两个村庄（Dielmo 和 Ndiop）收集的真实世界数据进行了对比，在这些村庄里，科学家们十多年来都仔细记录了蚊子叮咬和疟疾病例的情况。一旦模拟结果与这些现实观察相匹配，研究人员就在整个区域运行了两次模拟。在第一次运行中，每个虚拟人都根据其个人的叮咬历史发展出免疫力。在第二次运行中，他们强制要求每个人共享整个社区所拥有的平均免疫水平，从而模拟目前大多数模型所采用的标准方法。通过比较这两次运行，他们可以清楚地看到，当个体的历史被抹去时，究竟损失了什么。

结果表明，采用平均免疫力的标准方法创造了一个扭曲的疾病图景。当研究人员使用简化模型时，它一致地低估了儿童患病的数量，尤其是在蚊虫最为密集的湿润地区。与此同时，简化模型高估了携带寄生虫但不表现出症状的成年人数。这一点至关重要，因为公共卫生策略通常针对特定群体；如果模型暗示儿童的病情比实际情况轻，资源可能会被引导离那些最需要它们的人。研究发现，由于免疫力平均化引入的误差在各地并不相同，它取决于当地的气候。在降雨量最高、传播最剧烈的地区，预测儿童疾病负担时的错误也最大。

然而，研究同时也指出了简单模型仍然适用的情况。对于十五岁以上的人群，两个版本的模拟在临床病例数量上基本达成了一致。到这个年龄，该地区的多数人已经建立了足够的免疫力，以至于他们的个体历史对于预测是否会生病的影响变小了。主要的差异仍然存在于较年轻的人口中，因为他们的保护能力仍在积累过程中。研究人员得出结论，虽然简单的平均法可能足以理解成年人的疾病情况，但它无法捕捉到儿童真实的疾病负担，尤其是在该地区最潮湿的部分。这表明，为了准确规划干预措施并理解疟疾的传播，模型必须考虑到免疫力是一个人的个人故事，而非社区的平均值。